# Quick Start - GCP Workbench

## 📦 Instalación en Workbench

```bash
# 1. Instalar dependencias del sistema (si es necesario)
sudo apt-get update
sudo apt-get install -y poppler-utils libcairo2-dev

# 2. Instalar dependencias de Python
cd ~/pipeline
uv sync

# 3. Configurar credenciales (ya deberían estar en Workbench)
# Las credenciales de Application Default Credentials ya están configuradas
```

## ⚙️ Configuración Mínima

Edita `config.yaml`:

```yaml
project_id: "tu-proyecto-gcp"
location: "us-central1"
bucket: "tu-bucket-gcs"

index:
  name: "mi-indice-vectorial"
  dimensions: 768
  machine_type: "e2-standard-2"
```

## 🚀 Uso Rápido

### 1. Chunking Simple
```python
from chunker.recursive_chunker import RecursiveChunker
from pathlib import Path

chunker = RecursiveChunker()
docs = chunker.process_text("Tu texto aquí")
print(f"Chunks: {len(docs)}")
```

### 2. Chunking Contextual (Recomendado)
```python
from chunker.contextual_chunker import ContextualChunker
from llm.vertex_ai import VertexAILLM

llm = VertexAILLM(project="tu-proyecto", location="us-central1")
chunker = ContextualChunker(llm_client=llm, max_chunk_size=800)
docs = chunker.process_path(Path("documento.txt"))
```

### 3. Generar Embeddings
```python
from embedder.vertex_ai import VertexAIEmbedder

embedder = VertexAIEmbedder(
    model_name="text-embedding-005",
    project="tu-proyecto",
    location="us-central1"
)
embedding = embedder.generate_embedding("texto")
```

### 4. Pipeline Completo
```python
from apps.index_gen.src.index_gen.main import process_file

process_file(
    file_path="gs://bucket/file.pdf",
    model_name="text-embedding-005",
    contents_output_dir="gs://bucket/contents/",
    vectors_output_file="vectors.jsonl",
    chunk_limit=800
)
```

## 📚 Archivos Importantes

- `README.md` - Documentación completa
- `STRUCTURE.md` - Estructura del proyecto
- `config.yaml` - Configuración de GCP
- `pyproject.toml` - Dependencias

## 🔗 Componentes Principales

1. **packages/chunker/** - Chunking (Recursive, Contextual, LLM)
2. **packages/embedder/** - Embeddings (Vertex AI)
3. **packages/file-storage/** - Storage (GCS)
4. **packages/vector-search/** - Vector Search (Vertex AI)
5. **apps/index-gen/** - Pipeline completo

---

**Tamaño total**: ~400KB | **Archivos Python**: 33